[发明专利]一种深度学习的绝缘子目标样本标注方法和装置

说明书

本发明公开了一种深度学习的绝缘子目标样本标注方法和装置，该方法包括图像样本中绝缘子目标的标注方法。本发明提出图像样本中绝缘子目标的标注方法，使用椭圆形的标注框对图像中的绝缘子目标进行位置标注，并对其状态进行类别标注，如正常、自爆、污损等。基于此标注方法，得到的数据集，能够支撑深度学习神经网络模型，进行端到端训练，得到绝缘子及其状态(正常/自爆/污损等)的检测模型。该方法具有适用性强、标注效率高、标注精度高等优点。

技术领域

本发明涉及一种深度学习的绝缘子目标样本标注方法和装置。

背景技术

随着人工智能行业兴起和深度学习技术的日益成熟，端到端的深度学习目标检测模型训练方式被广泛应用。

即使不懂深度学习的人，也可以自己收集图像样本，在图像上画框来对待检测目标的位置、尺度、类型、状态等信息进行标注，标注框的信息会被转换一组实数作为图像样本的标签。

利用端到端模型，输入为图像，输出为样本的标签，即可进行端到端的深度学习目标检测模型训练，得到目标检测模型。

但是样本标注的方式和标注质量都对深度学习目标检测模型的效果产生重要的影响。

目前常见的绝缘子标注方法，是在图像中，用长方形框对整串绝缘子进行标注，并对其中不正常的绝缘子部分进行特别标注，如图1所示。

也有部分研究者，使用长方形框，对每片绝缘子单独进行标注，并同时对状态进行标注，如附图2所示。长方形框标注固然简单，但待检测目标边界与标注框边界之间还有很大一部分空间，其中参杂了很多干扰信息，会造成模型效果较差。

发明内容

本发明的目的在于提供一种深度学习的绝缘子目标样本标注方法，以替代现有的标注方式。

本发明的目的还在于提供一种深度学习的绝缘子目标样本标注装置，以替代现有的标注方式。

为此，本发明提供了一种深度学习的绝缘子目标样本标注方法，包括以下步骤：S1、利用标注工具在图像样本中画标注框，使用能将绝缘子片圈住的最小椭圆作为标注框；S2、将椭圆标注框数据转换为标签数据，其中，针对每个椭圆标注框，记录椭圆中心的横坐标x、中心的纵坐标y、长半轴a、短半轴b、从x轴方向逆时针旋转到椭圆长轴方向的角度t，其中t范围为[0,180)；对该椭圆标注框所标注的绝缘子，用一个整数c记录其状态信息；以及S3、对于每个图像样本，将每个绝缘子目标的标签信息转换为一个结构化矩阵，结构化矩阵的每行对应一个绝缘子，每行记录步骤S2中的所述x、y、a、b、t、c。

本发明还提供了一种深度学习的绝缘子目标样本标注装置，包括：状态标注模块，用于利用标注工具在图像样本中画标注框，使用能将绝缘子片圈住的最小椭圆作为标注框；数据转换模块，用于将椭圆标注框数据转换为标签信息，针对每个椭圆标注框，记录椭圆中心的横坐标x、中心的纵坐标y、长半轴a、短半轴b、从x轴方向逆时针旋转到椭圆长轴方向的角度t，其中t范围为[0,180)，对该椭圆标注框所标注的绝缘子，用一个整数c记录其状态信息；结果保存模块，用于对于每个图像样本，将每个绝缘子目标的标签信息转换为一个结构化矩阵，其中，结构化矩阵的每行对应一个绝缘子，每行记录所述x、y、a、b、t、c。

本绝缘子目标样本标注方法具有如下优势：

1、能够利用图片样本和样本标签进行的模型端到端训练，得到的模型能快速智能检测图像中的绝缘子目标及其状态；

2、对深度学习目标检测任务中所涉及的绝缘子目标采用椭圆形框进行标注，具有适用性强、标注效率和标注精度高等优点。

除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。

附图说明